测试用例的有效生成是提高测试自动化程度关键的一步。近年来,人们开始尝试将智能搜索算法引入测试用例自动生成的领域中,取得了不错的成果。目前,主要的研究工作都是通过改进智能算法的流程和参数选择来改进测试用例生成的过程。与这些研究不同,本文尝试通过改进测试用例的评价机制来达到改进的目的。当前最常用的评价方法是基于Korel分支函数法的评价方法。这种方法的缺点是只能对不满足分支条件的情况进行量化评价而不能对测试用例满足分支条件的程度未给出量化评价。本文针对这个不足,提出了一种改进的评价机制,其对测试用例满足分支条件的程度也能进行量化评价。为了验证改进的有效性,本文设计了对比实验。首先,本文设计了基于智能算法的测试用例生成系统的结构,并选择了遗传算法、粒子群优化算法、分布估计算法三种算法来进行实验。之后,根据两种评价机制,完成了基于这三种算法的实验系统功能的编码,并针对不同的算法各自选取了用于结果比较的指标。最后,用实现的系统进行了实验并对实验的结果进行了分析。实验数据表明,改进的评价方法在产生测试用例的效率和结果数据指标上均较传统评价方法有了提高。